[发明专利]压力管道焊缝金属磁记忆信号自适应处理方法

摘要

本发明公开了一种压力管道焊缝金属磁记忆信号自适应处理方法，滤波结构模块使用输入信号的测量值产生滤波器的输出，若输出与输入的测量值成线性组合的关系，则可认定滤波器为线性，否则为非线性；设定滤波器的结构，并且可以通过自适应算法来调节参数；设计出来的滤波器的输出和期望响应由COP模块处理，并参照需要的标准来评估其质量；滤波器的参数可通过自适应算法使用性能标准的数值或者它的函数、输入测量值和期望响应来确定；与自适应滤波器相关的一个或多个输入信号和一个期望响应信号，这个响应对滤波器来说得到与否未知，则称这些相关的信号为自适应滤波器信号的工作环境（SOE）。

主权项

压力管道焊缝金属磁记忆信号自适应处理方法，其特征在于：滤波结构模块使用输入信号的测量值产生滤波器的输出，若输出与输入的测量值成线性组合的关系，则可认定滤波器为线性，否则为非线性；设定滤波器的结构，并且可以通过自适应算法来调节参数；设计出来的滤波器的输出和期望响应由COP模块处理，并参照需要的标准来评估其质量；滤波器的参数可通过自适应算法使用性能标准的数值或者它的函数、输入测量值和期望响应来确定；与自适应滤波器相关的一个或多个输入信号和一个期望响应信号，这个响应对滤波器来说得到与否未知，则称这些相关的信号为自适应滤波器信号的工作环境SOE；设计自适应滤波器，需要关于其工作环境的大量信息，这些信息对设计者选择自适应滤波器的结构、性能标准和设计自适应算法是必须的；磁记忆输入信号模型如下式：y(n)＝A(n‑1)y(n‑1)+B(n)η(n)，   公式(1‑1)y(n)＝k×1是在n时刻信号的状态矢量，A(n‑1)＝k×k矩阵，在缺少强制函数的情况下使y(n‑1)和y(n)联系起来，η(n)＝k×1是协方差矩阵R_η(n)的零均值白噪声序列，B(n)＝k×k输入矩阵，   公式(1‑2)矩阵A(n‑1)被称为状态转换矩阵，η(n)被称为模型误差矢量，利用线性关系来表示测量模型：x(n)＝H(n)y(n)+v(n)，   公式(1‑3)其中：x(n)＝m×1为在n时刻信号的状态矢量，H(n)＝m×k为输出矩阵，它表示y(n)和x(n)的理想线性关系，v(n)＝k×1为观测误差，是协方差矩阵R_v(n)的零均值白噪声序列，假定下面的统计特性：E{y(n)v^H(l)}＝0 N,l取任意值，   公式(1‑4)E{η(n)v^H(l)}＝0 n,l取任意值，   公式(1‑5)E{η(n)y^H(‑1)}＝0 N,取任意值，   公式(1‑6)E{y(‑1)}＝0，   公式(1‑7)E{y(‑1)y^H(‑1)}＝R_y(‑1)，   公式(1‑8)现假设根据n‑1时刻和n‑1之前时刻所有观察值获得了y(n‑1)的估计，为则y(n)可根据公式(1‑1)和公式(1‑6)进一步预测估计为：$\stackrel{\‾}{y}\left(n\right|n-1)=A(n-1)\stackrel{\‾}{y}(n-1|n-1),$   公式(1‑9)并且初始条件在由公式(1‑3)可预测x(n)为：$\stackrel{\‾}{x}\left(n\right|n-1)=H\left(n\right)\stackrel{\‾}{y}\left(n\right|n-1)=H\left(n\right)A(n-1)\stackrel{\‾}{y}(n-1|n-1),$   公式(1‑10)由此，可以得到计算所需要的观察值的递归公式，并且可根据公式(1‑3)预测误差为：$w\left(n\right)=x\left(n\right)-\stackrel{\‾}{x}\left(n\right|n-1)=H\left(n\right)\stackrel{\‾}{y}\left(n\right|n-1)+v\left(n\right),$   公式(1‑11)卡尔曼的滤波估计为：$\stackrel{\‾}{y}\left(n\right|n)=\stackrel{\‾}{y}\left(n\right|n-1)+K\left(n\right)\{x\left(n\right)-H\left(n\right)\stackrel{\‾}{y}\left(n\right|n-1)\},$   公式(1‑12)其中$K\left(n\right)=R_y\left(n\right|n-1)H^R\left(n\right)R_w^{-1}\left(n\right),$   公式(1‑13)公式(3‑13)被称为卡尔曼增益矩阵，因此，可以利用公式(1‑12)，再根据和得出卡尔曼预测和滤波公式分别为：预测：$\stackrel{\‾}{y}\left(n\right|n-1)=A(n-1)\stackrel{\‾}{y}(n-1|n-1),$滤波：$\stackrel{\‾}{y}\left(n\right|n)=\stackrel{\‾}{y}\left(n\right|n-1)+K\left(n\right)\{x\left(n\right)-H\left(n\right)\stackrel{\‾}{y}\left(n\right|n-1)\},$得出按时间递归更新的卡尔曼滤波的算法公式，而增益矩阵K(n)的时序推到还与误差的协方差矩阵有关系，因此，还需要还需误差的协方差矩阵；磁记忆卡尔曼滤波算法误差的协方差矩阵：在这里，可以利用公式(1‑11)和公式(1‑12)来定义滤波误差为：$\tilde{y}\left(n\right|n)=\tilde{y}\left(n\right|n-1)-K\left(n\right)w\left(n\right),$   公式(1‑14)然后由公式(1‑13)得到滤波误差的协方差为：$R_y\left(n\right|n)=\[1-K\left(n\right)H\left(n\right)\]R_y\left(n\right|n-1),$   公式(1‑15)在将公式(1‑13)带入公式(1‑15)，误差的协方差矩阵也被称为后验协方差，在n时刻，可在初始条件为R_y(n‑1|n‑1)的条件下确定先验预测误差协方差并完成递归计算，可有公式(1‑12)得到n时刻的预测误差为：R_y(n|n‑1)＝A(n‑1)R_y(n‑1|n‑1)A^H(n‑1)+B(n)R_η(n)B^H(n)   公式(1‑16)，根据以上计算公式，得到磁记忆检测信号的算法公式$\stackrel{\‾}{y}\left(n\right|n)=\stackrel{\‾}{y}\left(n\right|n-1)+K\left(n\right)\{x\left(n\right)-H\left(n\right)\stackrel{\‾}{y}\left(n\right|n-1)\}$和系统滤波误差公式R_y(n|n)＝[1‑K(n)H(n)]R_y(n|n‑1)。